CN116208862A - 一种自适应图像处理方法、系统、电子装置和存储介质 - Google Patents

Abstract

本申请涉及一种自适应图像处理方法、系统、电子装置和存储介质，其中，该方法包括：获取图像数据，并对图像数据进行清晰度判断，当图像的清晰度大于预设阈值时，图像无需优化，当图像的清晰度小于等于预设阈值时，提示用户擦拭镜头，并在确认擦拭后，若图像清晰度仍然小于等于预设阈值，则进行图像优化；根据实际情况分别选取手动模式或自动模式进行图像优化，当图像的清晰度大于预设阈值则优化结束，否则继续优化。通过本申请，提高了图像优化的自适应能力和优化效率。

Description

一种自适应图像处理方法、系统、电子装置和存储介质

技术领域

本申请涉及图像处理领域，特别是涉及一种自适应图像处理方法、系统、电子装置和存储介质。

背景技术

随着智能硬件与科技的飞速发展，人们的生活越来越多的依靠智能硬件设备，比如手机、电脑、人脸支付平板、人脸识别门禁、人脸门锁等。在使用这些智能设备进行人脸识别时，由于场景的多样性，因此，需要针对不同场景下的图像进行不同程度的图像处理操作。例如，室外、室内、走廊、地下室等不同场景下，其光源都是不同的，环境亮度也不一样，因此对不同的场景设置不同的图像处理参数。

在相关技术中，图像处理的方法是获取摄像头拍摄到的图像曝光等级，对不同的曝光等级设定不同组参数进行图像优化调整，以满足对不同场景下图像的处理。然而这种处理方式的自适应性比较差，而且在实际的场景中，会出现由于使用的时间长导致设备镜头前的材料老化影响拍摄到的图像质量；或者是盖板玻璃上的灰尘、人为触摸等导致镜头不干净，使得拍摄到的画面模糊等情况。此时，如果还采用参数计算的方式进行图像调整，会增加不必要的计算量，图像的质量也并不会得到优化改善。

目前针对相关技术中存在的图像优化自适应性差、优化效率低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种自适应图像处理方法、系统、电子装置和存储介质，以至少解决相关技术中存在的图像优化自适应性差、优化效率低的问题。

第一方面，本申请实施例提供了一种自适应图像处理方法，所述方法包括：

获取图像数据，并对所述图像数据进行清晰度判断，当图像的清晰度大于预设阈值时，图像无需优化，当图像的清晰度小于等于所述预设阈值时，提示用户擦拭镜头，并在确认擦拭后，若图像清晰度仍然小于等于所述预设阈值，则进行图像优化；

根据实际情况分别选取手动模式或自动模式进行图像优化，当图像的清晰度大于所述预设阈值则优化结束，否则继续优化。

在其中一些实施例中，对所述图像数据进行清晰度判断之前，所述方法包括：

对所述图像数据进行清晰度计算，并根据计算结果进行图像筛选。

在其中一些实施例中，对所述图像数据进行清晰度计算包括：

对获取的图像数据进行灰度处理，获得灰度图像；

对所述灰度图像进行边缘扩充，通过Laplace算子对扩充后的图像进行卷积和方差计算，计算得到的方差值为图像清晰度值。

在其中一些实施例中，手动模式进行图像优化包括：

手动调试图像参数，当图像清晰度大于预设阈值时，则将调试后的参数作为当前默认参数，否则继续手动调试。

在其中一些实施例中，自动模式进行图像优化包括：

通过优化算法优化图像参数，当损失函数趋于收敛时，优化结束，生成一组优化后的参数，通过优化后的参数处理图像，当图像的清晰度大于所述预设阈值则优化结束，否则继续优化。

在其中一些实施例中，所述优化算法包括梯度下降法、遗传算法、蚁群算法、粒子群优化算法。

第二方面，本申请实施例提供了一种自适应图像处理系统，所述系统包括：

判断模块，用于获取图像数据，并对所述图像数据进行清晰度判断，当图像的清晰度大于预设阈值时，图像无需优化，当图像的清晰度小于等于所述预设阈值时，提示用户擦拭镜头，并在确认擦拭后，若图像清晰度仍然小于等于所述预设阈值，则进行图像优化；

优化模块，用于根据实际情况分别选取手动模式或自动模式进行图像优化，当图像的清晰度大于所述预设阈值则优化结束，否则继续优化。

在其中一些实施例中，所述系统还包括计算模块，对所述图像数据进行清晰度判断之前，

所述计算模块，还用于对所述图像数据进行清晰度计算，并根据计算结果进行图像筛选。

第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的方法。

相比于相关技术，本申请实施例提供的自适应图像处理方法，获取图像数据，并对图像数据进行清晰度判断，当图像的清晰度大于预设阈值时，图像无需优化，当图像的清晰度小于等于预设阈值时，提示用户擦拭镜头，并在确认擦拭后，若图像清晰度仍然小于等于预设阈值，则进行图像优化；根据实际情况分别选取手动模式或自动模式进行图像优化，当图像的清晰度大于预设阈值则优化结束，否则继续优化。

本申请实时计算摄像头拍摄到的图像的清晰度值，并将该清晰度值与预设阈值进行对比，当不满足预设要求时，通过手动或自动模式对图像质量进行调优。自动模式通过优化算法优化图像参数，实现图像清晰度的自动调优。手动模式则是通过设备接口，手动进行实时调试，使得图像的清晰度满足要求。而当清晰度低于预设阈值时，系统会自动弹出擦拭镜头的提示，提醒用户进行擦拭，避免因镜头或外部环境问题而带来的图像清晰度不高的情况，从而减少不必要的计算，提高图像优化效率。本申请不仅满足了不同场景下图像清晰度的自动调优，还改善了因硬件设备问题导致图像清晰度下降的情况。提高了图像优化的自适应能力和优化效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的自适应图像处理方法的流程图；

图2是根据本申请实施例的自适应图像处理流程示意图；

图3是根据本申请实施例的自适应图像处理系统的结构框图；

图4是根据本申请实施例的另一种自适应图像处理系统的结构框图；

图5是根据本申请实施例的电子设备的内部结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本实施例提供了一种自适应图像处理方法，图1是根据本申请实施例的自适应图像处理方法的流程图，如图1所示，该流程包括如下步骤：

步骤S101，获取图像数据，并对图像数据进行清晰度判断，当图像的清晰度大于预设阈值时，图像无需优化，当图像的清晰度小于等于预设阈值时，提示用户擦拭镜头，并在确认擦拭后，若图像清晰度仍然小于等于预设阈值，则进行图像优化；

图2是根据本申请实施例的自适应图像处理流程示意图，如图2所示，获取图像数据，其中，为了避免误判，需要从buffer(缓冲器)中连续抓取M张图像，如连续10张。需要说明的是，连续抓取M张图像的目的是确保当前场景未发生变化以及避免误判拍摄到的图片的清晰度。

接着，对抓取到的图像数据进行清晰度计算，并根据计算结果进行图像筛选。具体步骤包括：

S1、对获取的图像数据进行灰度处理，获得灰度图像；其中，灰度图像的计算如下式(1)所示：

Gray＝R*0.299+G*0.587+B*0.114 (1)

其中，R、G、B分别表示图片像素的R、G、B颜色分量。

S2、对计算得到的灰度图像进行边缘扩充，将图像的长和宽分别扩充2个像素点，最终扩充后的灰度图像的长和宽分别为h+2，w+2。其中h，w分别为未扩充的灰度图像的长和宽。

S3、通过Laplace算子4邻域对扩充后的图像进行卷积计算，表1为根据本申请实施例的Laplace算子4邻域，如下表1所示：

表1

0	1	0
			1	-4	1
0	1	0

根据上述表1，得到图像经Laplace变换后的坐标点的像素值，计算公式如下式(2)所示：

p(x，y)＝p(x+1，y)+p(x-1，y)+p(x，y+1)+p(x，y-1)-4p(x，y)

(2)

其中，p(x，y)表示坐标为(x，y)的像素值，x∈[0，1，...，w)，y∈[0，1，...，h)。

S4、对Laplace变换后的图像进行方差，计算得到的方差值为图像清晰度值。方差的计算公式如下式(3)所示：

其中，

其为均值。

S5、将上述计算得到的清晰度值保存，并去除其中差异特别大的值。因为连续M张图像中，很可能会出现运动拖影模糊的图像，这类图像清晰度值会较低。

经过上述步骤获取得到图像的清晰度后，将计算得到的清晰度值与设定的阈值T进行比较判断，当图像的清晰度大于预设阈值时，图像无需优化，保存当前参数，不做处理；当图像的清晰度小于等于预设阈值时，提示用户擦拭镜头，在用户擦拭镜头触发确认按键之后，k＝1，此时继续获取图像数据，并对图像数据进行清晰度计算和判断，如果清晰度仍然低于等于预设阈值，则进行图像优化。

本实施例对图像清晰度值进行实时统计，并在清晰度低于预设阈值时，提示用户擦拭镜头，从而减少不必要的计算，提高效率；

步骤S102，根据实际情况分别选取手动模式或自动模式进行图像优化，当图像的清晰度大于预设阈值则优化结束，否则继续优化；

如图2所示，优选的，本实施例中图像优化可分为两种模式，分别是手动模式和自动模式。一般情况下，如果未选取手动模式，则默认为为自动模式。在需要手动调整的情况下可选取手动模式进行图像优化。

可选的，手动模式进行图像优化包括：手动调试人脸识别设备接口中输入的图像参数，然后，获取图像数据，并对图像数据进行清晰度计算和判断，当清晰度大于预设阈值时，则将调试后的参数作为当前默认参数，否则继续手动调试。

可选的，自动模式进行图像优化包括：通过优化算法优化图像参数，当损失函数趋于收敛时，优化结束，生成一组优化后的参数，通过优化后的参数处理图像，当图像的清晰度大于预设阈值则优化结束，否则继续优化。例如，针对图像自动曝光的处理，可优化目标亮度值参数，若通过优化后的参数获取的图像的清晰度值大于预设阈值，则优化结束。

优选的，本实施例中可选用的优化算法很多，例如遗传算法、蚁群算法、粒子群优化算法等，因为考虑到待优化的参数较多，因此，本实施例中选择梯度下降法进行优化，具体优化步骤如下：

首先，预设n个待优化参数，梯度下降算法的损失函数为目标函数，使得目标函数最小化为优化目标，其中，目标函数如下式(4)所示：

min obj＝q(λ₁，λ₂，...，λ_n)-T (4)

其中，λ₁，λ₂，...，λ_n表示待优化的参数，q表示经过参数优化后的图像的清晰度值，T为设定的阈值。

接着，对于每个参数λ_i，i＝1，2，...n，对目标函数q(λ₁，λ₂，...，λ_n)-T求λ_i的偏导，得出当前的负梯度为

即求出λ_i对于目标函数梯度下降的方向。

然后，通过超参数学习率α控制步长，每次往梯度下降的方向走

则对于每个参数λ_i，更新得到

进一步地，重复步骤上述梯度下降计算的步骤，直到达到设定的迭代次数epoch或者所有的λ_i梯度下降的距离都小于等于设定阈值ε时，计算终止，其中ε是一个无限趋于0的数。

最后，使得目标函数最小化，得到最优的模型参数并保存。通过该模型参数进行图像处理和优化。

通过上述步骤S101至步骤S102，本实施例不仅满足了不同场景下图像清晰度的自动调优，还改善了因硬件设备问题导致图像清晰度下降的情况。在减少不必要的计算的同时，还能提高图像质量和优化效率，满足多场合下的图像调优。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种自适应图像处理系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图3是根据本申请实施例的自适应图像处理系统的结构框图，如图3所示，该系统包括判断模块31和优化模块32：

判断模块31，用于获取图像数据，并对图像数据进行清晰度判断，当图像的清晰度大于预设阈值时，图像无需优化，当图像的清晰度小于等于预设阈值时，提示用户擦拭镜头，并在确认擦拭后，若图像清晰度仍然小于等于预设阈值，则进行图像优化；优化模块32，用于根据实际情况分别选取手动模式或自动模式进行图像优化，当图像的清晰度大于预设阈值则优化结束，否则继续优化。

通过上述系统，本实施例不仅满足了不同场景下图像清晰度的自动调优，还改善了因硬件设备问题导致图像清晰度下降的情况。在减少不必要的计算的同时，还能提高图像质量和优化效率，满足多场合下的图像调优。

在其中一些实施例中，系统还包括计算模块，图4是根据本申请实施例的另一种自适应图像处理系统的结构框图，如图4所示，该系统包括判断模块31、优化模块32和计算模块41。对图像数据进行清晰度判断之前，计算模块41，用于对图像数据进行清晰度计算，并根据计算结果进行图像筛选。

需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

此外，需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

另外，结合上述实施例中的自适应图像处理方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种自适应图像处理方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种自适应图像处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

在一个实施例中，图5是根据本申请实施例的电子设备的内部结构示意图，如图5所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图5所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器，其中，该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力，网络接口用于与外部的终端通过网络连接通信，内存储器用于为操作系统和计算机程序的运行提供环境，计算机程序被处理器执行时以实现一种自适应图像处理方法，数据库用于存储数据。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种自适应图像处理方法，其特征在于，所述方法包括：

获取图像数据，并对所述图像数据进行清晰度判断，当图像的清晰度大于预设阈值时，图像无需优化，当图像的清晰度小于等于所述预设阈值时，提示用户擦拭镜头，并在确认擦拭后，若图像清晰度仍然小于等于所述预设阈值，则进行图像优化；

根据实际情况分别选取手动模式或自动模式进行图像优化，当图像的清晰度大于所述预设阈值则优化结束，否则继续优化。

2.根据权利要求1所述的方法，其特征在于，对所述图像数据进行清晰度判断之前，所述方法包括：

对所述图像数据进行清晰度计算，并根据计算结果进行图像筛选。

3.根据权利要求2所述的方法，其特征在于，对所述图像数据进行清晰度计算包括：

对获取的图像数据进行灰度处理，获得灰度图像；

对所述灰度图像进行边缘扩充，通过Laplace算子对扩充后的图像进行卷积和方差计算，计算得到的方差值为图像清晰度值。

4.根据权利要求1所述的方法，其特征在于，手动模式进行图像优化包括：

手动调试图像参数，当图像清晰度大于预设阈值时，则将调试后的参数作为当前默认参数，否则继续手动调试。

5.根据权利要求1所述的方法，其特征在于，自动模式进行图像优化包括：

通过优化算法优化图像参数，当损失函数趋于收敛时，优化结束，生成一组优化后的参数，通过优化后的参数处理图像，当图像的清晰度大于所述预设阈值则优化结束，否则继续优化。

6.根据权利要求5所述的方法，其特征在于，

所述优化算法包括梯度下降法、遗传算法、蚁群算法、粒子群优化算法。

7.一种自适应图像处理系统，其特征在于，所述系统包括：

判断模块，用于获取图像数据，并对所述图像数据进行清晰度判断，当图像的清晰度大于预设阈值时，图像无需优化，当图像的清晰度小于等于所述预设阈值时，提示用户擦拭镜头，并在确认擦拭后，若图像清晰度仍然小于等于所述预设阈值，则进行图像优化；

优化模块，用于根据实际情况分别选取手动模式或自动模式进行图像优化，当图像的清晰度大于所述预设阈值则优化结束，否则继续优化。

8.根据权利要求7所述的系统，其特征在于，所述系统还包括计算模块，对所述图像数据进行清晰度判断之前，

所述计算模块，用于对所述图像数据进行清晰度计算，并根据计算结果进行图像筛选。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至6中任一项所述的方法。

Images